基于改进极限学习机的三轴加速度计误差补偿算法

摘要

针对三轴加速度计存在的测量误差,建立了隐式非线性误差模型,并提出一种自主反向调优的极限学习机(RT-ELM)对误差模型进行训练.实验结果表明:三轴补偿后误差基本控制在±0.07 m/s2范围内,均方根误差小于0.004 m/s2,误差比补偿前减小超过100倍,补偿精度是固定型极限学习机ELM的7倍左右.任意选取训练集和测试集补偿效果基本一致,证明超限学习算法具有很好的泛化能力和鲁棒性,而且几千个样本点的训练时间仅0.06s左右,其速度是传统反向传播(BP)神经网络的上千倍,适用于对实时性要求较高的误差补偿和控制系统等领域.